计算机视觉

摘要：本文介绍了图像形变与几何变换的类型，包括平移、刚体、相似、仿射和投影变换，并重点分析了单应性变换的特点及其在图像拼接中的应用。针对特征匹配中的误匹配问题，详细阐述了RANSAC算法的流程及其关键

摘要： 特征描述子是将图像关键点转换为向量以实现跨图像匹配的关键步骤。理想描述子需具备旋转、缩放、光照不变性和可判别性。常见方法包括简单图像块、MOPS（多尺度定向补丁）和SIFT（尺度不变特征变换）

本文探讨了特征检测在几何变换（如尺度变化）和光学变换下的稳定性问题，重点介绍了具有尺度不变性的Blob检测方法。首先区分了不变性与等变性概念：特征需对光学变换（光照）保持属性不变，对几何变换（移动、旋

本文探讨了计算机视觉中局部特征检测的核心问题及其应用。重点介绍了Harris角点检测器的数学原理，通过分析二阶矩矩阵H的特征值实现角点分类，并提出基于R评分的角点检测方法。文章还对比了简单窗口与高斯加

本文探讨了图像缩放中的下采样与上采样技术。下采样时，朴素方法（直接丢弃行列）会导致走样问题，解决方案是采用高斯预滤波（低通滤波）以降低高频信号，满足奈奎斯特采样定理。

本文介绍了图像边缘检测的基本原理与方法。边缘定义为图像强度函数变化迅速的区域，表现为阶跃型或屋顶型变化。边缘检测通过计算图像导数实现，一阶导数极值点和二阶导数过零点分别对应边缘位置。